qikan15@ccnpub.com
（邮箱投稿时，请说明投稿期刊名）
（邮箱投稿时，请说明投稿期刊名）
《人工智能研究》在线投稿系统
提示文字！
注：我们将于1~7个工作日告知您审稿结果，请耐心等待；
您也可以在官网首页点击“查看投稿进度”输入文章题目，查询稿件实时进程。
期刊菜单
最新文章2025年 »
2024年 »
2023年 »
2022年 »
2021年 »
全粒度粗糙集属性约简 下载：84 浏览：491
社交网络中融合社交关系和语义信息的推荐算法 下载：82 浏览：505
基于特征选择与时间一致性稀疏外观模型的目标追踪算法 下载：84 浏览：504
邻域粗糙集的加权依赖度及其启发式约简算法 下载：71 浏览：502
基于区间2-型模糊度量的粗糙K-means聚类算法 下载：89 浏览：504
摘要:
现有粗糙K-means聚类算法及系列改进、衍生算法均是从不同角度描述交叉类簇边界区域中的不确定性数据对象,却忽视类簇间规模的不均衡对聚类迭代过程及结果的影响.文中引入区间2-型模糊集的概念度量类簇的边界区域数据对象,提出基于区间2-型模糊度量的粗糙K-means聚类算法.首先根据类簇的数据分布生成边界区域样本对交叉类簇的隶属度区间,体现数据样本的空间分布信息.然后进一步考虑类簇的数据样本规模,在隶属度区间的基础上自适应地调整边界区域的样本对交叉类簇的影响系数.文中算法削弱边界区域对较小规模类簇的中心均值迭代的不利影响,提高聚类精度.在人工数据集及UCI标准数据集的测试分析验证算法的有效性.
人工智能研究期刊指标
出版年份 :
2018-2025
发文量 :
672
访问量 :
127852
下载量 :
28651
总被引次数 :
371
影响因子 :
0.752
人工智能研究最新录用
为你推荐
学术共建
